在Linux服务器下,新建用户装tensorflow

在root中,

升级对应2.7或3.x版本的pip(由于默认总是3.x,所以这里前面加上前缀)

python2.7 -m pip install --upgrade pip

sudo python2.7 -m pip install https://files.pythonhosted.org/packages/0a/b2/eea4d2afb868403dbbc0518e0a62814c59517ab2bff20d5d754ba7984b2c/tensorflow_gpu-1.8.0-cp27-cp27mu-manylinux1_x86_64.whl

 

如果是python直接安装的话:
首先需要pip,如果没有的话可以使用下面的命令安装

sudo apt-get install python-pip python-dev   # for Python 2.7

sudo apt-get install python3-pip python3-dev # for Python 3.n

下面使用pip安装tensorflow

pip install tensorflow # Python 2.7; CPU support (no GPU support)

pip3 install tensorflow # Python 3.n; CPU support (no GPU support)

pip install tensorflow-gpu # Python 2.7; GPU support

pip3 install tensorflow-gpu # Python 3.n; GPU support

### 如何在Linux服务器上搭建和配置TensorFlow环境 #### 准备工作 确保Linux服务器已经安好必要的依赖库以及CUDA工具包。对于特定版本TensorFlow GPU支持,需确认所使用的CUDA与cuDNN版本满足官方推荐的要求[^4]。 #### Anaconda安 下载并安Anaconda至Linux服务器。这一步骤通常涉及获取Anaconda脚本文件并通过命令行执行该脚本来完成整个过程。一旦成功安,建议重启shell会话使路径更新生效以便后续操作能够顺利调用`conda`指令。 #### 创建Python虚拟环境 利用Conda来构建一个新的名为tf1.13的Python 3.6运行时环境: ```bash conda create -n tf1.13 python=3.6 ``` 激活新建好的环境之后就可以继续下一步了[^1]。 #### TensorFlow-GPU安 进入之前创建的Conda环境中,并通过pip工具指定安带有GPU加速特性的TensorFlow v1.13.2版本: ```bash pip install tensorflow-gpu==1.13.2 ``` #### 验证安成果 为了验证上述设置是否正确无误,在同一环境下尝试导入TensorFlow模块并打印其版本号来进行简单的测试: ```python import tensorflow as tf print(tf.__version__) ``` 如果一切正常,则应该能看到预期中的版本字符串被输出到屏幕上;反之则可能遇到了某些未解决的问题需要进一步排查原因所在。 #### 查看已安软件位置 当遇到问题或者想要了解具体哪些目录下包含了所需的库文件时,可以参照类似这样的路径结构去查找位于当前用户的anaconda environments下的目标项目环境内的lib子目录[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值